流畅性在难论中对走势有什么样的约定性？
在与学生们的互动过程中，基本上都会问问他们持有的股票是一个什么样的情况。有不少人会这样回答：我得打开软件，去查查。这个细节其实能反映出不少的操作问题，一般大家又能操作几只股票呢，怎么这还需要去翻看软件才知道？应该心中有本清晰的账啊。
这说明大部分人在操作的时候，是很随意的，缺乏周详的计划，故很容易被未来打乱节奏，走一步算一步，则寸步难移。唯有算一步走一步，才有步步为赢中的明澈和淡定。先不说这个了，回到主题。我们说《难论》关于走势特征的约定，其流畅性是第一位的。那为何流畅性会有这样的地位？又是如何体现的呢？这里不打算长篇幅地去阐述了，本身将这些东西提取出来，就是为了简化理解和操作。我们就在数学意义上阐述一下这个流畅性的逻辑。
我们知道K线的产生过程，就是一个统计抽样数据的采集过程。就一段曲线而言，显然里面的数据越多，通常就会有更高的代表性和稳定性。以同一方向波动同样的空间，完成的时间不同就会导致K线的数量不一样。在《难论》中，如果按照流畅规则发展，就能在最大限度上平衡方向与K线数量，即保证方向明朗或一致性的同时，最大化K线的数量。
如何理解？比如突然急速拉升，要保证K线数量，就只能盘整或大幅降速（比流畅下的速度更低），这就会影响方向的流畅表达了。反之，如果极大化K线的数量，自然是窄幅小角度盘整，这样也会影响方向的流畅性。波动是一个矢量，有大小亦有方向。在一定的方向，如果有更多地K线表现出一致性地波动节奏，在一定范围内，我们就说这个变化具有稳定性，值得信赖。这是基本的统计学常识。
比如在《难论》教程中阐述背驰这一特征的时候，我们利用的是速度的微积分表达。而微积分的基本计算前提是连续数据。速度是一个矢量，唯有在保证走势流畅性的时候，我们才能平衡方向和数据的连续性。从而模糊地以微积分的形式处理其中的动力学问题。否则，这个数据处理的数学理论前提，就会受到极大的破坏，得出的结论又能跟实际有多大的吻合性呢？就如连续一字板无量跌停，再连续一字板无量涨停，谈什么背驰？
何意？我们需要尽量保障处理的对象，在处理手段所需要的条件范围内，这样处理手段才能最大限度发挥其效用。就如上面《难论》关于统计学的应用，是需要有样本规模的；而关于背驰的微积分应用，需要数据的连续性及波动一致性，这同样离不开样本规模。即关于背驰的讨论，其实依然是建立在统计基础上的。这个样本规模的抽象要求，《难论》化繁为简，用流畅性这一可见即可得的特点，进行了形象性的归一处理。
对于大部分的学习者，就该在此打住了，不要再继续深究了。本文的目的，并不是要大家去拨开迷雾，而是引导大家形象地去理解《难论》的走势约定规则，并在现象层面学习和应用它们：让理论的归理论，技术的归技术，操作的归操作。